Aplicación de modelos basados en el comportamiento del Sistema Visual Humano y DCNN al procesamiento de imágenes médicas

Abstract

Este trabajo introduce los algoritmos de aprendizaje automático aplicados al análisis de imágenes médicas, centrándose en el uso de modelos biológicamente inspirados en la percepción del sistema visual humano y en las Redes Neuronales Convolucionales Profundas (Deep Convolutional Neural Networks, DCNN). Se enfatizan y se abordan soluciones para tres problemas fundamentales en medicina. La primera es la segmentación de imágenes de fundus, donde se identifican y segmentan las venas presentes en el ojo humano. El segundo es la segmentación de tumores cerebrales a partir de imágenes obtenidas mediante ultrasonidos preoperatorios. Por último, se aborda la identificación automática de puntos cefalométricos en imágenes de radiografías, las cuales son comúnmente utilizadas en el diagnóstico maxilofacial por odontólogos expertos en el área. La investigación en aprendizaje automático distingue entre la localización y la detección. Mientras que la segmentación traza contornos alrededor de los bordes de los objetos de interés y los etiqueta, el registro se refiere a ajustar una imagen sobre otra. Estas tareas tradicionalmente han sido realizadas por médicos especialistas en diversas áreas médicas. La llegada de algoritmos computacionales facilita la interpretación médica y reduce el tiempo necesario para diagnosticar diferentes enfermedades.